Weer paniek om een Chinees AI-model, maar de markt trekt opnieuw te snelle conclusies

De aandelenmarkt lijkt opnieuw in hetzelfde patroon te vervallen als begin 2025. Destijds veroorzaakte DeepSeek-R1 een schokgolf onder beleggers, met forse koersdalingen van vooral AI- en chipbedrijven als gevolg. Nu is het Moonshot AI dat met Kimi K3 voor onrust zorgt. Het model behoort zonder twijfel tot de sterkste open-weight large language models (LLM's) die tot nu toe zijn aangekondigd en weet op meerdere benchmarks de beste gesloten modellen van OpenAI en Anthropic te evenaren of zelfs te overtreffen. Toch lijkt de reactie op de beurs wederom buiten proportie.

Op het moment van schrijven staan vooral Aziatische chipbedrijven onder druk. De halfgeleidersector verloor op één handelsdag ongeveer zes procent aan beurswaarde, terwijl de impact op Amerikaanse AI-aandelen vooralsnog beperkter bleef. In de financiële media wordt inmiddels gesproken over een nieuw "DeepSeek-moment" of zelfs een "Kimi-moment". Daarmee wordt gesuggereerd dat de miljardeninvesteringen in AI-infrastructuur opnieuw fundamenteel ter discussie staan.

Die vergelijking gaat echter maar ten dele op. Hoewel Kimi K3 technologisch indrukwekkend is en de concurrentiedruk verder opvoert, bevindt de AI-markt zich in een totaal andere fase dan tijdens de introductie van DeepSeek-R1. De omstandigheden, de concurrentieverhoudingen en de economische implicaties verschillen wezenlijk.

Kimi K3 is zonder twijfel een indrukwekkend model

Moonshot AI behoort al langere tijd tot de meest ambitieuze Chinese AI-labs. Met Kimi K3 presenteert het bedrijf een Mixture-of-Experts-model van ongeveer 2,8 biljoen parameters, waarmee het qua omvang tot de grootste AI-modellen ooit behoort. Volgens Moonshot zal de open-weight versie later beschikbaar komen, waardoor ontwikkelaars het model zelf kunnen inzetten en aanpassen.

Op de meeste algemene benchmarks scoort Kimi K3 net iets lager dan de nieuwste frontiermodellen van Anthropic en OpenAI. Op de Intelligence Index van Artificial Analysis behaalt het bijvoorbeeld een score rond de 57, tegenover ongeveer 59 voor GPT-5.6 Sol op zijn hoogste denkniveau en circa 60 voor Claude Fable 5. Op specifieke programmeer-, redeneer- en wiskundebenchmarks weet K3 echter regelmatig gelijkwaardige of zelfs betere resultaten neer te zetten.

Dat betekent niet automatisch dat het objectief het beste model is. Moderne benchmarkverschillen zijn klein geworden en vallen vaak binnen enkele procentpunten. Verschillende modellen excelleren bovendien op verschillende onderdelen. Waar Claude traditioneel sterk is in softwareontwikkeling en lang redeneren, blinkt GPT-5.6 Sol juist uit in algemene intelligentie en multimodaliteit. Kimi K3 laat zien dat ook een open-weight model inmiddels tot deze absolute wereldtop kan behoren.

Waarom de vergelijking met DeepSeek-R1 mank gaat

De paniek rondom DeepSeek-R1 begin 2025 had een heel andere achtergrond.

Enkele maanden daarvoor had OpenAI met o1 een fundamenteel nieuwe generatie AI geïntroduceerd. Voor het eerst werd test-time compute op grote schaal toegepast. In plaats van onmiddellijk een antwoord te produceren, kreeg het model de mogelijkheid langer na te denken, meerdere oplossingsroutes te evalueren en interne redeneringen uit te voeren voordat een eindantwoord werd gegeven.

Dat zorgde voor een enorme sprong in prestaties op complexe benchmarks. Lange tijd leek OpenAI daarmee een vrijwel onaantastbare technologische voorsprong te hebben opgebouwd.

DeepSeek-R1 veranderde dat beeld volledig.

Vrijwel uit het niets verscheen een Chinees model dat op veel redeneerbenchmarks nauwelijks onderdeed voor o1, terwijl de gebruikskosten ongeveer een factor 25 lager lagen. De implicaties waren enorm. Beleggers realiseerden zich plotseling dat een technologische voorsprong van honderden miljarden dollars aan investeringen veel sneller kon verdwijnen dan gedacht.

Het gevolg was een historische beursreactie. Binnen enkele dagen verdampte naar schatting bijna één biljoen dollar aan beurswaarde bij AI-gerelateerde ondernemingen, waarbij Nvidia alleen al honderden miljarden verloor.

De kern van de schok was niet alleen dat DeepSeek een goed model had gebouwd, maar vooral dat het liet zien hoe snel een nieuwe concurrent de economische waarde van een technologisch voordeel kon ondermijnen.

De AI-markt van 2026 ziet er totaal anders uit

Sinds de introductie van DeepSeek-R1 is de AI-markt fundamenteel veranderd.

Waar OpenAI begin 2025 nog duidelijk de technologische leider was, bestaat de absolute top tegenwoordig uit meerdere partijen. OpenAI, Anthropic, Google, Meta, xAI, Moonshot en Z.ai leveren allemaal modellen die op bepaalde onderdelen tot de wereldtop behoren.

Er is daardoor geen sprake meer van één dominante speler.

Vrijwel iedere paar maanden verschijnt een nieuw model dat op sommige benchmarks de leiding neemt, waarna enkele weken later alweer een concurrent een vergelijkbare prestatie neerzet. De levensduur van een technologische voorsprong is daarmee aanzienlijk korter geworden.

Voor beleggers betekent dit dat een nieuw Chinees model tegenwoordig veel minder verrassend is dan begin 2025.

Integendeel: het is inmiddels eerder de norm geworden dat frontierprestaties binnen relatief korte tijd door meerdere bedrijven worden geëvenaard.

Open-weight loopt nog altijd enkele maanden achter de frontier

Een veelgehoorde observatie is dat open-weight modellen tegenwoordig ongeveer een half jaar achterlopen op de beste gesloten modellen.

Dat patroon lijkt vooralsnog grotendeels stand te houden.

Enkele weken geleden verscheen GLM-5.2 van Z.ai, dat op veel benchmarks dicht in de buurt kwam van Claude Opus 4.8. Nu schuift Moonshot met Kimi K3 opnieuw verder op richting de absolute top.

Dat betekent echter niet dat gesloten modellen hun bestaansrecht verliezen.

OpenAI en Anthropic blijven vooroplopen op gebieden als agentfunctionaliteit, multimodaliteit, veiligheid, betrouwbaarheid, tooling en integratie in complete AI-platformen. Daarnaast beschikken zij over uitgebreide cloudinfrastructuren, enterprisecontracten en een ecosysteem dat veel verder gaat dan alleen het model zelf.

Kimi K3 verkleint de prestatiekloof opnieuw, maar maakt die niet volledig ongedaan.

De prijsvergelijking vertelt slechts een deel van het verhaal

Op papier lijkt Kimi K3 aantrekkelijk geprijsd.

De officiële API-tarieven liggen rond de 3 dollar per miljoen inputtokens en ongeveer 15 dollar per miljoen outputtokens. Daarmee is het aanzienlijk goedkoper dan Claude Fable 5 en ook voordeliger dan GPT-5.6 Sol wanneer uitsluitend naar tokenprijzen wordt gekeken.

Maar tokenprijzen vertellen tegenwoordig lang niet het hele verhaal.

Steeds meer onafhankelijke analyses kijken naar de daadwerkelijke kosten per voltooide taak. Daarbij wordt rekening gehouden met factoren als het aantal gegenereerde tokens, efficiëntie tijdens het redeneren, contextgebruik, latency en de kans dat een taak in één keer succesvol wordt afgerond.

Op dat vlak blijkt Kimi K3 minder voordelig dan de ruwe prijslijst doet vermoeden.

Het model genereert relatief veel tokens tijdens complexe opdrachten en gebruikt vaak langere redeneringen dan vergelijkbare modellen van OpenAI. Daardoor kunnen de werkelijke kosten per taak hoger uitvallen dan de officiële API-prijzen suggereren.

Een vergelijkbare observatie werd eerder gedaan bij GLM-5.2, dat eveneens zeer scherpe tokenprijzen combineerde met een relatief hoog daadwerkelijk tokenverbruik.

Ook de hardware-eisen zijn enorm

Een ander belangrijk verschil met DeepSeek-R1 is de schaal waarop Kimi K3 draait.

Moonshot adviseert voor optimale inferentie systemen met tientallen high-end AI-accelerators, waarbij configuraties van 64 GPU's of meer als uitgangspunt worden genoemd.

Daardoor is het model voor de meeste organisaties nauwelijks lokaal inzetbaar.

Alleen hyperscalers, cloudproviders en grote ondernemingen beschikken over de infrastructuur om een model van deze omvang efficiënt on-premises te draaien.

Voor kleinere bedrijven blijft de gehoste API daarom voorlopig de meest realistische optie.

Dat beperkt ook de directe economische impact van het open-weight karakter. Het model is weliswaar vrij beschikbaar, maar de hardware die nodig is om het op grote schaal te draaien vormt nog altijd een aanzienlijke investeringsdrempel.

Er zijn wel degelijk redenen om kritisch te zijn op de AI-investeringen

Dat de paniek overdreven lijkt, betekent niet dat er geen fundamentele vragen bestaan over de huidige AI-investeringen.

Integendeel.

Hyperscalers investeren jaarlijks honderden miljarden dollars in nieuwe datacenters, AI-netwerken en GPU-clusters. Tegelijkertijd worden nieuwe generaties Nvidia-accelerators steeds sneller geïntroduceerd.

Dat creëert een hoge afschrijvingsdruk.

Hardware die vandaag tot de absolute top behoort, kan binnen enkele jaren economisch minder aantrekkelijk zijn doordat nieuwere generaties aanzienlijk betere prestaties per watt en per dollar leveren.

Daarnaast neemt de concurrentie tussen AI-modellen voortdurend toe.

Iedere nieuwe generatie drukt de gemiddelde prijs van AI-capaciteit verder omlaag. Dat maakt het moeilijker voor modelontwikkelaars om langdurig hoge marges vast te houden.

Juist op dat vlak vormt Kimi K3 opnieuw een belangrijk signaal.

Waarom Kimi K3 de markt niet fundamenteel verandert

Ondanks alle aandacht verandert Kimi K3 de onderliggende economische werkelijkheid veel minder dan DeepSeek-R1 destijds deed.

Het model laat opnieuw zien dat Chinese AI-bedrijven in staat zijn frontierprestaties te leveren.

Het bevestigt bovendien dat de technologische voorsprong van Amerikaanse AI-labs steeds korter houdbaar wordt.

Maar tegelijkertijd verandert K3 weinig aan de vraag naar rekenkracht.

Integendeel.

Het model is enorm groot, vereist zeer zware hardware, blijft kostbaar om op grote schaal te draaien en is per afgeronde taak niet vanzelfsprekend goedkoper dan de beste gesloten alternatieven.

Daarmee vormt Kimi K3 vooral een bedreiging voor de prijszettingsmacht van gesloten AI-modellen, niet voor de fundamentele behoefte aan steeds meer AI-infrastructuur.

Door: Drifter